负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制，在满足商用要求的前提下，纯电动汽车用于长途运输服务在短期内难以实现。不过，城市物流因其配送区域较小、货物的批量较小、批次较多的特点，可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响，建立了考虑车辆负载对实时能耗影响的配送模型，以及时满足客户的服务时间要求。并以城市A为例，设计了蚁群算法对模型进行求解，为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后，通过与使用燃油车辆运营相比较，分析未来纯电动汽车在城市配送物流中的可行性。     

一种电动汽车有序充电的优化方法研究

针对当前电动汽车充电过程中电网侧以及用户侧的客观需要,设计了优化电动汽车有序充电的一种方法。以最小化电网侧负荷波动和用户侧最大限度地提高电动汽车的充电电量为目标函数,建立了电动汽车的时间维度调度模型。提出了基于改进的多目标粒子群优化算法,通过个体选择、正态分布自适应突变、模糊满意度决策等策略加快搜索效率以及跳出局部极值。实验结果表明,与MOGA和MOAFSA相比,IACO具有更高的搜索效率。     

电动汽车的充电模式及充电设施建设运营模式研究

电动汽车是节能、环保和低碳经济的发展需求,而电动汽车电池既是发展电动汽车的核心,更是电力工业与汽车行业的关键结合点。在政府对电动汽车产业的大力推动下,我国电动汽车产业将步入快速发展期,这也极大地推动了电动汽车充电站和充电桩的建设,大量电动汽车的充电行为将会给电网带来较大影响。电动汽车的普及程度、类型、充电时间、充电方式以及充电特性的不同会使电动汽车对电网的影响发生变化。介绍了世界范围内电动汽车电池的四种充电模式：换电模式,有线慢充,有线快冲,无线充电。这四种充电模式目前处在不同的发展阶段,面临不同的问题,并各自具有不同的发展策略。对目前已经形成的电动汽车制造厂商主导模式、电网企业主导模式和第三方建设运营企业主导模式,进行分析研究和比较     

基于单亲遗传算法混合动态规划的电动汽车充电调度优化策略

充电调度是电动汽车运营的一个重要内容,合理有效的充电策略在帮助运营商降低成本的同时还能减轻电网高峰时段的供电负担。从充电站运营商的角度出发,在实时电价和每个充电任务时间必须连续的假设下,建立了一个电动汽车充电成本最小模型,给出一个单亲遗传算法混合动态规划的两阶段常规充电调度算法。与电桩一旦闲置即刻分配车辆进行充电的策略以及传统单亲遗传算法相比较,该充电调度策略在电桩负载均衡的情况下有效降低了电费成本,说明了算法的有效性。此外,实验结果表现出了充电任务在多数相同时段聚集从而避开高电价时段的特征,说明充电策略对减轻高峰时段的电网压力也有一定帮助。     

蒙特卡洛算法下电动汽车计及效率的随机充电对电网影响

随着我国经济快速发展,更加注重能源战略以及低碳行动的实施与发展,其中电动汽车行业发展迅速。但由于人们上班出行具有一定的时空性,大批的电动汽车连进电网后会给其带来新的冲击,因此,基于已有统计并对影响电车充电规律的几种因素进行了系统分析之后,通过构建各种随机变量的数学概率模型,利用蒙特卡洛算法建模之后充电效率的随机接入电网,得到大规模电动汽车充电的负荷模型,最后通过对某地负荷曲线叠加,并通过峰谷差率进行数据分析,说明了电车随机充电对电网造成的峰上加峰现象。     

面向成本优化的电动汽车弹性充电策略

电动汽车的续航里程和充电速度受电池技术的制约,由此产生的里程焦虑问题阻碍了电动汽车的普及.为了解决这一问题,降低用户成本,本文从用户的需求和使用方式出发,根据当前充电设施的发展趋势提出弹性充电策略,利用动态规划的方法在保障电量可靠供给的前提下优化充电成本.针对动态规划的复杂性,本文进而提出改进的近似算法,在降低计算复杂度的同时使充电策略更符合用户使用习惯.本文采用一辆主流型号的电动汽车对上述方法进行了实际测试,结果表明该方法能够有效降低用户充电成本.     

生鲜产品的纯电动冷藏车配送路径问题研究

根据生鲜产品和纯电动冷藏车的特性，研究了供应商使用同一车型的纯电动冷藏车给需求多样化的零售商配送生鲜产品的路径优化问题，考虑了车辆在行驶途中可以多次前往充电站充电以及零售商对于被服务时间的要求，以总配送成本最小为目标，构建了有客户软时间窗约束和车辆里程约束的生鲜产品配送路径问题的数学模型，以Solomn标准算例为基础构造算例，并设计了蚁群算法对模型进行求解，得到了包括充电计划在内的车辆路径方案，并与传统冷藏车配送路径方案相比较，结果发现两种方案的总成本相差不大，纯电动冷藏车虽然路线长度更长，但是可以减少温室气体的排放，运输成本较低，并且享有政府补贴，更加符合供应商的需求。     

电动汽车智能充电策略研究综述

发展电动汽车是减少对石油的依赖以及解决环境污染的有效途径。但是,大规模电动汽车无序充电会严重影响电网的稳定性,主要表现在电网负荷峰值升高、电网电压下降以及电网能量损失变大等方面。众所周知,对电网进行扩容改造将需巨大的成本,而智能充电无需对电网进行大幅度改造即可有效地解决这一难题。智能充电不仅能为电力运营商创造可观的经济效益,同时还能使电动汽车用户受益。智能充电主要分为集中式充电和分散式充电。集中式充电根据电网信息和电动汽车的充电需求规划电动汽车的充电策略。充电策略的制定主要以电网运行成本最小、电网能量损失最小、电网负荷方差最小等为目标。分散式充电主要在获取电网状态信息和电动汽车的充电需求后制定浮动电价以激励电动汽车用户避开用电高峰期。最后,文章简要介绍了在智能充电框架下电动汽车与可再生能源融合的潜力、智能充电对电池的要求以及相应的通讯网络构建等问题。     

基于二次聚类的大规模电动汽车有序充电调度策略优化

针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。     

考虑充电设施的无人机配送路径规划研究

为解决偏远农村地区物流配送存在的困难,对无人机配送进行系统性规划,共分3个阶段：考虑到续航里程限度,建立了充电设施选址模型;从绿色路由的角度,以最小化总能耗作为目标,建立了考虑充电设施的无人机多包裹配送路径规划模型;根据实际无人机数量进行任务分配,建立了任务分配模型。第一、三阶段的模型应用SCIP求解器求解。对第二阶段的混合整数非线性规划模型,设计了双层启发式算法CW节约-改进和修复乌鸦搜索算法(CW-IRCSA)求解。实验表明,对于洪格尔高勒镇的案例,充电设施的选址有利于节约资源,能得到能耗最低的配送路径,且任务分配合理;对于100个及以下的需求点规模,与CW节约-离散修复乌鸦搜索算法(CW-DRCSA)、CW节约-修复模拟退火(CW-RSA)相比,CW-IRCSA算法具有较高的求解精确度;在偏远地区,相对于传统卡车配送模式,无人机配送成本平均节约61.45%。     

共享充电桩下负荷时间分布均衡的小区电动汽车充电方案优化

针对电动汽车充电负荷增加、电网安全性降低,以及停车困难小区只能使用共享充电桩等问题,提出了一种充电桩选择与电动汽车充电优化的组合模型。该模型以共享充电桩之间充电时间标准差和全天充电负荷标准差之和最小为目标。考虑到电动汽车充电桩分配方案以及电动汽车充电方案两者的重要程度并不相同,提出了一种随着迭代次数的增加,变化概率不断改变的动态概率遗传算法。将改进后的遗传算法求解该模型,通过求解一个算例,进一步阐述所提算法的原理和过程,验证了该算法的可行性和有效性。     

考虑灵活充电策略的带时间窗物流配送路径优化研究

电动汽车作为一种新型绿色交通运输工具,目前被广泛的应用于多种物流场景中.然而,电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中的有效推广.为此,针对电动汽车的物流配送路径优化问题,引入一种部分充电策略,提出了考虑部分充电策略的带时间窗电动汽车物流配送路径优化问题,建立了该问题的整数规划模型,并设计混合模拟退火算法对其求解.最后,利用一个研究算例对模型和算法进行了测试和数值分析,验证了其有效性.     

Decentralised online charging scheduling for large populations of electric vehicles: a cyber-physical system approach

As the number of electric vehicles (EVs) grows, their electricity demands may have significant detrimental impacts on electric power grid when not scheduled properly. In this paper, we model an EV charging system as a cyber-physical system, and design a decentralised online EV charging scheduling algorithm for large populations of EVs, where the EVs can be highly heterogeneous and may join the charging system dynamically. The algorithm couples a clustering-based strategy that dynamically classifies heterogeneous EVs into multiple groups and a sliding-window iterative approach that schedules the charging demand for the EVs in each group in real time. Extensive simulation results demonstrate that our approach provides near-optimal solutions at significantly reduced complexity and communication overhead. It flattens the aggregated load on the power grid and reduces the costs of both the users and the utility.     

考虑无线充电的无人机路径在线规划

近年来, 无人机在物流、通信、军事任务、灾害救援等领域中展现出了巨大的应用潜力, 然而无人机的续航 能力是制约其使用的重大因素, 在无线充电技术不断突破和发展的背景下, 本文基于深度强化学习方法, 提出了一 种考虑无线充电的无人机路径在线优化方法, 通过无线充电技术提高无人机的任务能力. 首先, 对无人机功耗模型 和无线充电模型进行了构建, 根据无人机的荷电状态约束, 设计了一种基于动态上下文向量的深度神经网络模型, 通过编码器和解码器的模型架构, 实现无人机路径的直接构造, 通过深度强化学习方法对模型进行离线训练, 从而 应用于考虑无线充电的无人机任务路径在线优化. 文本通过与传统优化方法和深度强化学习方法进行实验对比, 所提方法在CPU算力和GPU算力下分别实现了4倍以及100倍以上求解速度的提升.     

Design of genetic-fuzzy control strategy for parallel hybrid electric vehicles

Hybrid Electric Vehicles (HEVs) generate the power required to drive the vehicle via a combination of internal combustion engines and electric generators. To make HEVs as efficient as possible, proper management of the different energy elements is essential. This task is performed using the HEV control strategy. The HEV control strategy is the algorithm according to which energy is produced, used and saved. This paper describes a genetic-fuzzy control strategy for parallel HEVs. The genetic-fuzzy control strategy is a fuzzy logic controller that is tuned by a genetic algorithm. The objective is to minimize fuel consumption and emissions, while enhancing or maintaining the driving performance characteristics of the vehicle. The tuning process is performed over three different driving cycles including NEDC, FTP and TEH-CAR. Results from the computer simulation demonstrate the effectiveness of this approach in reducing fuel consumption and emissions without sacrificing vehicle performance.     

基于方向指引的蚁群算法机器人路径规划

针对蚁群算法收敛速度慢、折点多、路径长等问题,提出了一种基于方向指引的蚁群算法。该算法通过引入向量夹角,重新构造了蚂蚁转移概率,提高了算法的收敛速度且路径长度更短;算法同时融合了插点策略,进一步对生成的路径进行优化,缩短了路径长度,减少路径折点数,使路径更加平滑。最后,经实验验证,提出的算法在收敛次数和路径折点数方面有明显优化效果。在仿真栅格地图中,平均收敛次数减少了68%,路径平均折点数减少了42%,平均路径长度减少了8%。